机器学习
文章平均质量分 92
如梦如幻2015
学生
展开
-
机器学习(Machine Learning) 常用的一些学习资料
原文链接:http://blog.csdn.net/zhoubl668/article/details/42921187希望转载的朋友,你可以不用联系我.但是一定要保留原文链接,因为这个项目还在继续也在不定期更新.希望看到文章的朋友能够学到更多.《Brief History of Machine Learning》介绍:这是一篇介绍机器学习历史的文章,介绍很全面,从感知转载 2016-03-07 09:50:23 · 855 阅读 · 0 评论 -
将图像扭正确。利用OpenCV检测图像中的长方形画布或纸张并提取图像内容
也就是在一张照片里,已知有个长方形的物体,但是经过了透视投影,已经不再是规则的长方形,那么如何提取这个图形里的内容呢?这是个很常见的场景,比如在博物馆里看到一幅很喜欢的画,用手机找了下来,可是回家一看歪歪斜斜,脑补原画内容又觉得不对,那么就需要算法辅助来从原图里提取原来的内容了。不妨把应用的场景分为以下:纸张四角的坐标(图中红点)已知的情况也就是上面的左图中4个红点是可以准确获取,比如手动转载 2016-07-16 11:14:20 · 7450 阅读 · 9 评论 -
SLAM拾萃(1):octomap
大家好,时隔多年之后,我又开始了博客旅程。经历了很多事情之后呢,我发现自己的想法真的很简单:好好读书做课题,闲下来时写写博客,服务大家。所以我会继续写SLAM相关的博客。如果你觉得它对你有帮助,那是最好不过的啦!写作过程中得到了许多热心读者的帮助与鼓励,有些读者还成了要好的朋友,在此向大家致谢啦!关于SLAM,读者也会有很多问题。由于我个人精力和学力都有限,无法一一回答,向大家说声抱歉!有些共同的转载 2016-07-05 16:54:47 · 1870 阅读 · 1 评论 -
差分近似图像导数算子之Sobel算子
背景引言图像处理中,一个最基本并且最重要的卷积就是导数的计算,一般用来表达微分最常用的操作是Sobel算子,可以包含任意阶的微分以及融合偏导。主要用作为边缘检测。在技术上,它是一离散性差分算子,用来运算图像亮度函数的梯度之近似值。在图像的任何一点使用此算子,将会产生对应的梯度矢量或是其法矢量。本节介绍Sobel算子知识,给出参考代码以及测试输出结果。基本理论Sobel算转载 2016-07-04 10:41:45 · 1407 阅读 · 1 评论 -
SIFT特征提取分析
SIFT(Scale-invariant feature transform)是一种检测局部特征的算法,该算法通过求一幅图中的特征点(interest points,or corner points)及其有关scale 和 orientation 的描述子得到特征并进行图像特征点匹配,获得了良好效果,详细解析如下:算法描述SIFT特征不只具有尺度不变性,即使改变旋转角度转载 2016-07-14 19:12:32 · 364 阅读 · 0 评论 -
关于颜色直方图和反向投影的一些理解
最近在研究Meanshift跟踪算法,遇到一些概念,比如颜色直方图和反向投影,有些不理解,故百度搜之,并小结,希望能印象深刻。(一)颜色直方图 颜色特征是图像检索中应用最为广泛的视觉特征,主要原因在于颜色往往和图像中所包含的物体或场景十分相关。此外,与其他的视觉特征相比,颜色特征对图像本身的尺寸、方向、视角的依赖性较小,从而具有较高的鲁棒性。 首转载 2016-07-13 09:29:09 · 779 阅读 · 0 评论 -
透视投影的原理和实现
透视投影的原理和实现by Goncely 摘 要 :透视投影是3D渲染的基本概念,也是3D程序设计的基础。掌握透视投影的原理对于深入理解其他3D渲染管线具有重要作用。本文详细介绍了透视投影的原理和算法实现,包括透视投影的标准模型、一般模型和屏幕坐标变换等,并通过VC实现了一个演示程序。1 概述在计算机三维图像中,投影可以看作是一种将三维坐标变换为二维坐标的方法,常用到的有正交转载 2016-05-03 17:15:41 · 986 阅读 · 0 评论 -
SLAM 算法的一些简单的介绍和理解,有的是从别的地方找到的资料,感觉很有道理。
作者:方沁园链接:https://www.zhihu.com/question/29434085/answer/53196878来源:知乎著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。SLAM(Simultaneous localization and mapping),我们要达到的目的就是估计机器人(传感器-比如相机)的位置轨迹,然后创建地图。locat原创 2016-05-24 20:33:44 · 12908 阅读 · 0 评论 -
OpenGL与OpenCV实现增强现实
该程序通过OpenCV实现对Marker的识别和定位,然后通过OpenGL将虚拟物体叠加到摄像头图像下,实现增强现实。首先来看看我们使用的Marker:这是众多Marker中的一个,它们都被一圈的黑色边框所包围,边框之中是编码信息,白色代表1,黑色代表0。将每一行作为一个字,那么每个字有5bits。其中,1、3、5位为校验位,2、4位为信息位。也就是说,整个Marker的信息位转载 2016-04-27 15:32:38 · 1207 阅读 · 0 评论 -
从最大似然到EM算法浅解
机器学习十大算法之一:EM算法。能评得上十大之一,让人听起来觉得挺NB的。什么是NB啊,我们一般说某个人很NB,是因为他能解决一些别人解决不了的问题。神为什么是神,因为神能做很多人做不了的事。那么EM算法能解决什么问题呢?或者说EM算法是因为什么而来到这个世界上,还吸引了那么多世人的目光。 我希望自己能通俗地把它理解或者说明白,但是,EM这个问题感觉真的不太好用通俗的语言去说明转载 2016-04-10 10:41:09 · 453 阅读 · 0 评论 -
卡尔曼滤波器跟踪
一些网络资料 关于Kalman滤波器的理论,其数学公式太多,大家可以去查看一些这方面的文献.下面这篇文章对Kalman滤波做了个通俗易懂的介绍,通过文章举的例子可以宏观上理解一下该滤波器,很不错,推荐一看:http://www.cnblogs.com/feisky/archive/2009/11/09/1599247.html, 他的另一篇博客http://www.cnblog转载 2016-04-26 20:40:17 · 1087 阅读 · 0 评论 -
简单易学的机器学习算法——主成分分析(PCA)
一、数据降维 对于现在维数比较多的数据,我们首先需要做的就是对其进行降维操作。降维,简单来说就是说在尽量保证数据本质的前提下将数据中的维数降低。降维的操作可以理解为一种映射关系,例如函数,即由原来的二维转换成了一维。处理降维的技术有很多种,如前面的SVD奇异值分解,主成分分析(PCA),因子分析(FA),独立成分分析(ICA)等等。二、PCA的概念 PCA是一种转载 2016-04-13 19:42:35 · 553 阅读 · 0 评论 -
算法杂货铺——分类算法之朴素贝叶斯分类(Naive Bayesian classification)
贝叶斯的文章,好的不行了,深入浅出。转载 2016-04-13 16:06:41 · 1423 阅读 · 0 评论 -
数学之美番外篇:平凡而又神奇的贝叶斯方法
概率论只不过是把常识用数学公式表达了出来。——拉普拉斯记得读本科的时候,最喜欢到城里的计算机书店里面去闲逛,一逛就是好几个小时;有一次,在书店看到一本书,名叫贝叶斯方法。当时数学系的课程还没有学到概率统计。我心想,一个方法能够专门写出一本书来,肯定很牛逼。后来,我发现当初的那个朴素归纳推理成立了——这果然是个牛逼的方法。——题记目录0. 前言 1. 历史转载 2016-04-13 15:40:36 · 811 阅读 · 0 评论 -
关于SVM一篇比较全介绍的博文
转自:http://blog.csdn.net/v_july_v/article/details/7624837前言 动笔写这个支持向量机(support vector machine)是费了不少劲和困难的,原因很简单,一者这个东西本身就并不好懂,要深入学习和研究下去需花费不少时间和精力,二者这个东西也不好讲清楚,尽管网上已经有朋友写得不错了(见文末参考链接),但转载 2016-04-13 09:25:45 · 806 阅读 · 0 评论 -
贝叶斯分类
朴素贝叶斯分类1.1、摘要 贝叶斯分类是一类分类算法的总称,这类算法均以贝叶斯定理为基础,故统称为贝叶斯分类。本文作为分类算法的第一篇,将首先介绍分类问题,对分类问题进行一个正式的定义。然后,介绍贝叶斯分类算法的基础——贝叶斯定理。最后,通过实例讨论贝叶斯分类中最简单的一种:朴素贝叶斯分类。1.2、分类问题综述 对于分类问题,其实谁都不会陌生,说我们每个人每天转载 2016-03-15 08:23:40 · 411 阅读 · 0 评论 -
SIFT(scale invariant feature transform): 尺度不变特征变换
SIFT是由UBC(university of British Column)的教授David Lowe 于1999年提出, 并在2004年得以完善的一种检测图像关键点(key points , 或者称为图像的interest points(兴趣点) ), 并对关键点提取其局部尺度不变特征的描绘子, 采用这个描绘子进行用于对两幅相关的图像进行匹配(matching)。 目前, SIFT可以说是所转载 2016-07-07 14:42:52 · 1042 阅读 · 0 评论